Первый раз я услышал трек, сгенерированный нейросетью, в наушниках на кухне и полез проверять, где подвох. Дыхание перед припевом. Лёгкая хрипотца на верхах. Бэки, которые вступают на полсекунды позже, чем ждёшь. Подвоха не было, и это слегка выбило из колеи.
С тех пор я прогнал через генераторы несколько сотен треков: от свадебных поздравлений до мрачного драм-энд-бэйса. Сегодня ИИ создать песню с музыкой может человек, который не знает, что такое тональность и зачем нужен компрессор. Вопрос только в том, попадёт он с первого раза в приличный результат или будет слушать двадцать скучных вариантов. Разница почти целиком в постановке задачи.
Нейросеть не склеивает сэмплы, она рисует звук с нуля
Механику стоит понимать, иначе будешь ждать от инструмента не того. Ранние генераторы собирали трек из нарезанных библиотечных лупов, и это слышалось за версту: ритм идеально ровный, а музыка мёртвая. Современные модели работают иначе. Они предсказывают аудио во времени, примерно как языковые модели предсказывают следующее слово. Отсюда и берётся «живость»: модель доигрывает фразу, а не вставляет готовый кусок.
Практика простая. Чем больше в запросе конкретики про звучание, тем меньше модель угадывает. «Сделай классную песню» даёт усреднённый поп из рекламы шампуня. «Медленный соул, женский голос с надрывом, ламповый бас, живые барабаны с лёгким отставанием от метронома, припев на два голоса» даёт уже что-то, что хочется дослушать.
Вокал синтезируется вместе с музыкой, в одном проходе. Не надо отдельно писать текст, отдельно генерить минус и потом сводить. Хотя и такой путь рабочий, если нужен полный контроль над аранжировкой.
Текст важнее промпта, и это главная ошибка новичков
Час уходит на описание жанра и тридцать секунд на текст. Результат предсказуем: звучит дорого, а слушать нечего. Песня держится не на звуке, а на структуре и повторах.
Разбивайте текст на блоки и подписывайте их. Модели читают это буквально как разметку сценария. Куплет, припев, бридж, финальный припев с модуляцией, аутро. Без разметки генератор сам решит, где кончается куплет, и почти всегда решит неправильно.
- [Verse] куплет
- [Chorus] припев
- [Bridge] бридж, перелом
- [Outro] концовка, затухание
Припев должен повторяться почти дословно. Хочется поэтической оригинальности в каждом куплете - пишите её в куплетах. Припев это крючок, он существует ради того, чтобы его подхватили с третьего раза. Нейросеть отлично чувствует, когда строки рифмуются и ложатся в ритм, и начинает петь увереннее.
Про слоги почти никто не пишет. Длинные строки в русском ломают вокал. Если в строке двадцать слогов, модель начинает тараторить или комкать окончания. Держите 7-11 слогов, и разборчивость вырастет на порядок.
Жанр задаётся не словом, а набором признаков
«Рок» это не жанр, это отдел в магазине. Гранж из Сиэтла девяностых, пост-панк с холодным басом, стадионный рок с хоровым припевом - три разные вселенные, и модель их различает, если вы их назвали.
Мой рабочий приём: три слоя описания. Первый - жанр и эпоха. Второй - инструментарий. Третий - характер исполнения и продакшена. Например: «инди-фолк начала десятых, акустическая гитара с нейлоновыми струнами, контрабас, щётки по малому, женский голос шёпотом на куплетах и в полный голос на припеве, тёплый аналоговый мастер, лёгкий шум ленты».
Референс на любимого артиста реально подтягивает звучание ближе к нужному. Точного совпадения не ждите, и это честное ограничение любого сервиса: на выходе будет настроение, а не клон. Мне такой подход нравится больше, потому что получается не пародия, а собственный трек в нужной эстетике.
Что выдаёт ИИ-трек и как это вылечить
Три типовые болячки слышны даже на телефоне.
Первая - повторяемость. Модель залипает на одной фразе и крутит её восемь тактов подряд. Лечится структурой: есть движение в тексте - появится и в музыке. Плюс помогает прямое указание на смену динамики к финалу.
Вторая - стерильность. Всё ровно по сетке, идеально отквантовано, ни одной человеческой неровности. На Reddit в ветках про генеративную музыку жалуются именно на это чаще всего. Спасают слова «живые барабаны», «неквантованный грув», «лёгкий свинг», «записано в комнате». Модель понимает и начинает намеренно «ошибаться» в нужных местах.
Третья - каша в миксе. Особенно когда просишь много инструментов сразу. Решение простое: меньше слоёв. Четыре инструмента, сыгранные с характером, звучат дороже, чем двенадцать, задавленных в лимитер. И не просите одновременно «мощный бас» и «очень тихий вокал» - получите либо одно, либо другое.
Генерация почти всегда даёт два варианта одного запроса. Не ленитесь слушать оба до конца, они отличаются радикально. Бывает, что первый проходной, а второй тот самый.
Где я генерирую и почему перестал прыгать по сервисам
Перепробовал много всего. Русскоязычные боты в телеграме удобны для быстрых поздравлений, но упираются в потолок качества: голос звучит синтетически, аранжировка плоская. Западные платформы дают мощный звук, но требуют карту и нервов с оплатой.
В итоге остановился на Suno через 3seller. Это тот самый генератор, вокруг которого весь шум последние два года. Он действительно даёт результат, который на слух не отличить от работы сессионных музыкантов. Цена вопроса - от 149 рублей, без подписок на год вперёд и танцев с иностранными картами. Пополнить баланс можно российской картой, через СБП или криптой.

Что нравится по существу, а не по маркетингу. Вокал с дыханием и микродинамикой, а не ровный синтезаторский тембр. Аранжировки со сменой плотности: куплет разреженный, припев плотный, бридж ломает ожидание. Можно работать с готовым текстом, а можно дать только идею и получить черновик лирики.
Создайте любую песню, какую только можете представить. Начните с простой идеи или сразу откройте профессиональные инструменты - ваш следующий трек уже близко.
Два шага, с которых начинается любой трек
Чтобы ИИ создать песню с музыкой, не нужно иметь на руках готовую композицию. Достаточно сформулировать, о чём она и какое настроение должно передавать.
01 / ИДЕЯ. Задайте направление. Опишите тему, настроение и желаемое звучание. Это может быть песня о любви, танцевальный трек или история для особенного случая. Чем конкретнее образ, тем меньше переделок. «Песня про возвращение в родной город зимой, с ностальгией, но без соплей» работает в разы лучше, чем «грустная песня».
02 / СЛОВА. Добавьте текст или сюжет. Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Если пишете на русском, проверьте ударения в именах собственных: модель поёт их так, как прочитала. Переучивать бесполезно, проще переписать строку.
Инструментал, кавер и прочие сценарии, о которых забывают
Песня с вокалом это только верхушка. Мне регулярно нужен фон для видео, и генерация инструментала закрывает вопрос за минуту: без вокала, с нужным темпом, без проблем с авторскими правами на чужие библиотеки.
Каверы и перепевки - отдельная история. Можно взять знакомую мелодию и переодеть её в другой жанр. Детская песенка в стиле драм-энд-бэйс, колыбельная в тяжёлом роке, корпоративный гимн в стиле диско. На корпоративах такое заходит на ура, проверено.
Ещё сценарий: трек под конкретный голос или настроение для подкаста. Генерируешь десять вариантов интро, выбираешь один, и звук становится частью бренда. Раньше за это просили от тридцати тысяч у композитора на фрилансе.
Права и публикация: что реально важно знать
Я не юрист и не буду делать вид, что разбираюсь в тонкостях. Практика такая: условия использования у платформ разные, на платных тарифах права на коммерческое использование обычно шире. Если трек нужен для рекламы, клиентского проекта или монетизации на стримингах, берите тариф, где это прямо разрешено, и сохраняйте чек.
Даже если формально всё чисто, не стоит выкладывать трек под именем реального артиста и намекать, что это он. Это уже не про авторское право, а про репутацию и здравый смысл. Выпускать под своим псевдонимом - нормальная практика, так делают сотни людей прямо сейчас.
И про мастеринг. Сгенерированный трек часто звучит тише коммерческих релизов. Прогоните его через любой нормализатор громкости перед публикацией, на стриминге разница слышна сразу.
Мой рабочий процесс от идеи до готового файла
Сначала пишу одну строку смысла. Не текст, а суть: о чём человек будет думать после последнего аккорда. Потом подбираю три слоя описания звука. Потом набрасываю куплет и припев с разметкой блоков и отправляю на генерацию.
Слушаю оба варианта целиком, без перемотки. Отмечаю, что зацепило: конкретный ход баса, тембр, подачу. На Reddit опытные пользователи советуют не переделывать трек с нуля, а усиливать найденное - дописывать в промпт детали, которые сработали. Обычно третий-четвёртый прогон даёт то, что не стыдно показать.
Финальный шаг - короткая правка текста под то, как модель спела. Если строка прозвучала невнятно, проще заменить её, чем бороться с произношением. Пять минут работы, и трек звучит как законченный.
Стоит ли вообще этим заниматься
Музыканта ИИ не заменит там, где нужна личная история и живой контакт со слушателем. Но как инструмент для черновиков, демо и быстрых идей он экономит недели. Я использую его, чтобы проверить аранжировочную идею до того, как садиться за инструмент.
Если вы не музыкант, всё интереснее. Появился способ сделать песню для человека, которому нечего подарить, кроме внимания. Трек с его именем, с деталями, которые знаете только вы двое. Такие подарки запоминают крепче, чем сертификаты.
Начните с одного трека сегодня. Не с идеального, а с первого. Зайдите на https://3seller.com/suno, опишите ситуацию из своей жизни в двух предложениях, добавьте пару строк текста и послушайте, что получится. Дальше вы уже будете знать, что менять. Остальные ИИ-инструменты лежат рядом на 3seller.com/3gpt.
И наблюдение напоследок. Громче всех про «бездушную ИИ-музыку» говорят те, кто слышал три демки из тиктока. Когда трек играет в машине на фоне и никто не знает, кто автор, вопрос о душе не поднимается. Он поднимается только тогда, когда ты сам знаешь, что это генерация.